长聘副教授 文萃楼E 314 （良乡校区） 统计学系 数学与统计学院, 北京理工大学, 邮箱: yujunbeta [at] bit.edu.cn 邮箱: yujunbeta [at] 163.com [我的简历] [English Page]

关于我

本人2019年8月入职北京理工大学统计系担任助理教授。2025年2月至今担任统计系副教授。 2019.12-2020.01访问佐治亚大学统计学系，合作导师为马平 教授和钟文萱 教授。 在此之前, 我于2019年7月在 北京大学 数学科学学院 统计学专业获得了博士学位, 导师为艾明要 教授。

我的研究兴趣主要包括: 大数据抽样，试验设计，数据缩减以及应用统计解决其他学科的实际问题 等。

如果你对我的研究感兴趣，欢迎与我联系。

教育经历

• 2014.09–2019.07 北京大学 统计学博士

• 2010.09–2014.07 南开大学 数学与应用数学学士、金融学学士（双学位）

研究项目

• 最优设计与最优子抽样问题研究
  负责人; 2021.01-2023.12
  自然科学基金青年科学基金项目, 项目号:12001042

• 测量限制下的大数据重采样理论与算法研究
  负责人; 2023.01-2025.12
  北京市自然科学基金面上项目, 项目号:1232019

• 基于试验设计的复杂大数据重采样研究
  负责人; 2025.01-2028.12
  自然科学基金面上项目, 项目号:12471244

教学工作

• 高等数理统计 （2021年春）主讲 [课程大纲]

• 高等数理统计 （2022年春）主讲 [课程大纲]

• 应用多元统计分析 模块II （2022年春）与孔祥顺博士、王典朋博士、王晋娟博士联合主讲

• 高等数理统计 （2023年春）主讲 [课程大纲]

• 贝叶斯数据分析：理论与方法 （2023年春）主讲 [课程大纲]

• 高等数理统计 （2024年春）主讲

• 贝叶斯数据分析：理论与方法 （2024年春）主讲

• 高等数理统计 （2025年春）主讲

• 贝叶斯数据分析：理论与方法 （2025年春）主讲

• 数据分析综合训练 （2025年春）主讲 [课程大纲]

• 数理统计（MOOC） 与孔祥顺博士、田玉斌教授、王典朋博士、赵颖博士联合主讲 [课程链接]

注： 更多课程内容请访问北理工乐学网站（仅限校内），联合主讲课程授课教师按拼音排序。

学术论文

• Deng, Jiayi, Xiaodong Yang, Jun Yu, Jun Liu, Zhaiming Shen, Danyang Huang, and Huimin Cheng. Network Tight Community Detection., International Conference on Machine Learning (ICML 2024),2024.

• Li, Tao, Cheng Meng, Hongteng Xu, and Jun Yu. Hilbert curve projection distance for distribution comparison., IEEE Transactions on Pattern Analysis and Machine Intelligence,2024. 46(7): 4993-5007.

• Li, Mengyu, Jun Yu, Tao Li, and Cheng Meng. Importance Sparsification for Sinkhorn Algorithm., Journal of Machine Learning Research,2023. 24: 1-44.

• Lv, Shurui, Jun Yu, Yan Wang, and Jiang Du. Fast calibration for computer models with massive physical observations., SIAM/ASA Journal on Uncertainty Quantification,2023. 11: 1069-1104.

• Ye, Zhiqiang, Jun Yu, and Mingyao Ai. Optimal subsampling for multinomial logistic models with big data., Statistica Sinica,2023. DOI: 10.5705/ss.202022.0277.

• Han, Yixin, Jun Yu, Nan Zhang, Cheng Meng, Ping Ma, Wenxuan Zhong, and Changliang Zou. Leverage classifier: another look at support vector machine., Statistica Sinica,2023. DOI: 10.5705/ss.202023.0124.

• Diao, Huaimin,Mengtong Ai, Yubin Tian, and Jun Yu. Efficient basis selection for smoothing splines via rotated lattices., STAT,2023. 12:e581.

• Miao, Zhuoyi, and Jun Yu. A Robust Learning Framework for Smart Grids in Defense of False Data Injection Attacks., ACM Transactions on Sensor Networks,2023. DOI: 10.5705/ss.202022.0277.

• Yu, Jun, Jiaqi Liu, and Haiying Wang. Information-based optimal subdata selection for non-linear models., Statistical Papers,2023. 64:1069–1093.

• Yu,Jun, Mingyao Ai, and Zhiqiang Ye. A review on design inspired subsampling for big data, Statistical Papers,2023.

• Ai, Mingyao, Zhiqiang Ye, and Jun Yu. Locally D-optimal designs for hierarchical response experiments. Statistica Sinica, 2023.33:381-399

• Li, Mengyu, Jun Yu, Hongteng Xu, and Cheng Meng. Efficient Approximation of Gromov-Wasserstein Distance Using Importance Sparsification, Journal of Computational and Graphical Statistics,2023.

• Li, Tao, Jun Yu, and Cheng Meng. Scalable model-free feature screening via sliced-Wasserstein dependency, Journal of Computational and Graphical Statistics,2023.

• Yu,Jun, Xiran Meng, and Yaping Wang. Optimal designs for semi-parametric dose-response models under random contamination, Computational Statistics & Data Analysis,2022.

• Yu, Jun, and HaiYing Wang. Subdata selection algorithm for linear model discrimination. Statistical Papers, 2022.

• Yu, Jun, HaiYing Wang, Mingyao Ai, and Huiming Zhang. Optimal distributed subsampling for maximum quasi-likelihood estimators with massive data. Journal of the American Statistical Association, 2022. 117(537): 265-276

• Yu, Jun, Huimin Cheng, Jinan Zhang, Qi Li, Shushan Wu, Wenxuan Zhong, Jin Ye, Wenzhan Song, and Ping Ma. CONGO²: Scalable Online Anomaly Detection and Localization in Power Electronics Networks. IEEE internet of things journal, 2022, 9(15):13862-13875.

• Zhang, Jingyi, Cheng Meng, Jun Yu, Mengrui Zhang, Wenxuan Zhong, and Ping Ma. An optimal transport approach for selecting a representative subsample with application in efficient kernel density estimation. Journal of Computational and Graphical Statistics, 2022.

• Meng, Cheng, Jun Yu, Yongkai Chen, Wenxuan Zhong, and Ping Ma. Smoothing splines approximation using Hilbert curve basis selection. Journal of Computational and Graphical Statistics, 2022.

• Ai, Mingyao, Jun Yu, Huiming Zhang, and HaiYing Wang. Optimal subsampling algorithms for big data regressions. Statistica Sinica, 2021. 31:749-772.

• Ai, Mingyao, Fei Wang, Jun Yu, and Huiming Zhang. Optimal subsampling for large-scale quantile regression. Journal of Complexity, 2021. 62:101512.

• Ai, Mingyao, Yimin Huang, and Jun Yu. A non-parametric solution to the multi-armed bandit problem with covariates. Journal of Statistical Planning and Inference, 2021. 211:402-413.

• Cheng, Huimin, Jun Yu, Zhen Wang, Ping Ma, Cunlan Guo, Bin Wang, Wenxuan Zhong, and Bingqian Xu. Details of Single-Molecule Force Spectroscopy Data Decoded by a Network-Based Automatic Clustering Algorithm. The Journal of Physical Chemistry B, 2021. 125(34):9660-9667.

• Wang, Sili, Shengjie Min, Jun Yu, Huimin Cheng, Zion Tse, and Wenzhan Song. Contact-less Home Activity Tracking System with Floor Seismic Sensor Network. In 2021 IEEE 7th World Forum on Internet of Things (WF-IoT), 2021. pp. 13-18.

• Meng, Cheng, Jun Yu, Jingyi Zhang, Ping Ma, and Wenxuan Zhong. Sufficient dimension reduction for classification using principal optimal transport direction. Advances in Neural Information Processing Systems, 2020. 33:4015-4028.

• Ai, Mingyao, Yimin Huang, and Jun Yu. Data-Based Priors for Bayesian Model Averaging. In Contemporary Experimental Design, Multivariate Analysis and Data Mining, Springer, Cham.2020. pp. 357-372.

• Yu, Jun, Xiangshun Kong, Mingyao Ai, and Kwok Leung Tsui. Optimal designs for dose–response models with linear effects of covariates. Computational Statistics & Data Analysis.2018. 127: 217-228.

• Yu, Jun, Mingyao Ai, and Yaping Wang. Optimal designs for linear models with Fredholm-type errors. Journal of Statistical Planning and Inference.2018. 194:65-74.

学生培养

2022届：

应用统计专硕：

• 杨晓丹. 毕业论文：商业保险购买行为的影响因素分析
  毕业去向：国研大数据研究院，大数据分析岗位
  

• 张杨杨. 毕业论文：基于图聚类的竞品分析——以汽车行业为例
  毕业去向：京东零售，算法工程师
  

2023届：

应用统计专硕：

• 曹镐哲. 毕业论文：基于因果机器学习的弹性定价策略
  毕业去向：北京市boss直聘，数据分析岗
  

• 雷锴丰. 毕业论文：基于融合特征选择的 ICU 患者死亡风险预测模型研究
  毕业去向：中国国际展览中心集团有限公司，人力资源岗位
  

• 李恒利. 毕业论文：基于知识标签的书签推荐系统
  毕业去向：交通银行，管培生
  

• 刘正夫. 毕业论文：同时具有活跃因子与惰性因子的敏感性试验设计
  毕业去向：北京理工大学，博士研究生
  

• 刘致涵. 毕业论文：基于 e 值改进 A/B 测试
  毕业去向：中华保险
  

2024届：

应用统计专硕：

• 彭涵影. 毕业论文：一种基于子采样的社区检测快速方法
  毕业去向：湖南征信，数据模型及策略岗
  

• 姚运宝. 毕业论文：多指标回归模型的最优设计
  毕业去向：科大讯飞股份有限公司，算法研发岗
  

欢迎感兴趣的同学加入！